脑机接口 / BCI

A Pre-trained EEG-to-MEG Generative Framework for Enhancing BCI Decoding

一种预训练的EEG到MEG生成框架用于增强BCI解码

Zhuo Li, Shuqiang Wang

专题命中 EEG解码 ：BCI(title,abstract)；EEG(title,abstract)；brain-computer interface(abstract)；分类 eess.SP

AI总结 本文提出了一种基于EEG-MEG时空耦合表示的跨模态生成框架，通过合成MEG信号提升BCI解码性能。

NeuroCanvas: VLLM-Powered Robust Seizure Detection by Reformulating Multichannel EEG as Image

NeuroCanvas：通过重新表述多通道EEG为图像实现由VLLM驱动的鲁棒癫痫检测

Yan Chen, Jie Peng, Moajjem Hossain Chowdhury, Tianlong Chen, Yunmei Liu

机构 * MINDxAI Lab, Industrial \& Systems Engineering Department, University of Louisville ； UNITES Lab, University of North Carolina at Chapel Hill 纠错

专题命中 EEG解码 ：EEG(title,abstract)；neural signal(abstract)；分类 cs.LG

AI总结 NeuroCanvas通过重新表述多通道EEG为图像，利用VLLM实现高效且鲁棒的癫痫检测，提升F1分数20%并降低88%的推理延迟。

HEEGNet: Hyperbolic Embeddings for EEG

HEEGNet：用于EEG的双曲嵌入

Shanglin Li, Shiwen Chu, Okan Koç, Yi Ding, Qibin Zhao, Motoaki Kawanabe, Ziheng Chen

机构 * Advanced Telecommunications Research Institute International（先进电信研究所国际） ； RIKEN Center for Advanced Intelligence Project（RIKEN高级人工智能项目中心） ； University of Trento（特伦特大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)；分类 cs.LG

AI总结 HEEGNet通过结合欧几里得和双曲编码器，利用双曲几何提升EEG数据的泛化能力，实现领域不变的嵌入学习。

Comments Accepted to ICLR 2026

Learning Alzheimer's Disease Signatures by bridging EEG with Spiking Neural Networks and Biophysical Simulations

通过将脑电图与脉冲神经网络和生物物理模拟相结合学习阿尔茨海默病特征

Szymon Mamoń, Max Talanov, Alessandro Crimi

机构 * Department of Computer Science AGH University of Krakow（计算机科学系AGH克拉科夫大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出神经桥接框架，通过结合EEG与脉冲神经网络和生物物理模拟，提升阿尔茨海默病的可解释性检测

Comments 11 pages ,8 figures

Adaptive Temporal Dynamics for Personalized Emotion Recognition: A Liquid Neural Network Approach

自适应时间动态用于个性化情绪识别：一种液态神经网络方法

Anindya Bhattacharjee, Nittya Ananda Biswas, K. A. Shahriar, Adib Rahman

专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP、cs.LG

AI总结 本文提出了一种基于液态神经网络的多模态框架，用于提升基于EEG的情绪识别准确率，通过结合卷积特征提取、可学习时间常数和注意力引导融合，实现高准确率和可解释性。

TransConv-DDPM: Enhanced Diffusion Model for Generating Time-Series Data in Healthcare

TransConv-DDPM：增强的扩散模型用于生成医疗领域的时序数据

Md Shahriar Kabir, Sana Alamgeer, Minakshi Debnath, Anne H. H. Ngu

机构 * Department of Computer Science Texas State University San Marcos, TX, USA（计算机科学系德克萨斯州立大学桑马科斯分校） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 TransConv-DDPM通过结合DDPM、U-Net和Transformer层，有效生成医疗领域的高质量时序数据，提升预测模型性能。

Comments Previously published at IEEE COMPSAC 2025

Journal ref Proc. IEEE 49th Annual Computers, Software, and Applications Conference (COMPSAC), 2025

Robust Hyperbolic Learning with Curvature-Aware Optimization

具有曲率意识优化的鲁棒双曲学习

Ahmad Bdeir, Johannes Burchert, Lars Schmidt-Thieme, Niels Landwehr

机构 * Data Science Group University of Hildesheim（数据科学组海德斯海姆大学） ； ISMLL University of Hildesheim（ISMLL海德斯海姆大学） 纠错

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出一种鲁棒双曲学习方法，通过曲率意识优化提升泛化能力，减少计算成本和稳定性问题，提升多领域任务性能。